📊 statistics

Branching Flows: Discrete, Continuous, and Manifold Flow Matching with Splits and Deletions

O artigo propõe o "Branching Flows", um novo framework de modelagem generativa que utiliza árvores binárias para permitir que o número de elementos em uma sequência (como proteínas ou textos) varie dinamicamente durante a geração, integrando-se a processos de *flow matching* em espaços discretos, contínuos ou em variedades (*manifolds*).

Autores originais: Lukas Billera, Hedwig Nora Nordlinder, Jack Collier Ryder, Anton Oresten, Aron Stålmarck, Theodor Mosetti Björk, Ben Murrell

Publicado 2026-04-28

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Lukas Billera, Hedwig Nora Nordlinder, Jack Collier Ryder, Anton Oresten, Aron Stålmarck, Theodor Mosetti Björk, Ben Murrell

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O Problema: O Dilema do "Tamanho da Receita"

Imagine que você tem um robô cozinheiro super inteligente. Você pode dar a ele uma receita de um bolo de chocolate que sempre tem 4 fatias (isso é o que os modelos de IA atuais fazem muito bem: eles lidam com coisas de tamanho fixo, como imagens).

Mas, e se você pedir para ele criar uma receita de "uma sopa de legumes"? Você não sabe se a sopa terá 3 legumes ou 15. Se você disser "faça uma sopa", o robô trava porque ele foi treinado para sempre entregar exatamente 4 ingredientes. Ele não sabe "crescer" ou "diminuir" a receita no meio do caminho.

Na ciência, isso é um problema real. Quando cientistas tentam criar novas proteínas ou moléculas para remédios, eles não sabem de antemão quantos átomos ou aminoácidos serão necessários. Os modelos atuais ou são bons em criar a "forma" (o desenho), mas péssimos em decidir o "tamanho" (a quantidade de peças).

A Solução: Os "Branching Flows" (Fluxos de Ramificação)

Os pesquisadores criaram o Branching Flows. Em vez de tentar adivinhar o tamanho final logo de cara, o modelo funciona como uma árvore genealógica mágica ou uma planta que cresce.

A Metáfora da Árvore Mágica 🌳

Imagine que o processo de criação começa com uma única semente (o estado inicial). À medida que o tempo passa (o "fluxo"), essa semente não apenas cresce, mas ela pode fazer duas coisas principais:

Ramificação (Splits): A semente se divide em dois galhos. É como se um único ingrediente de repente se transformasse em dois. Isso permite que a "receita" aumente de tamanho organicamente.
Poda (Deletions): Às vezes, um galho cresce para um lado que não parece bom para a planta. O modelo tem a capacidade de "podar" esse galho, removendo elementos que não fazem sentido para o resultado final.

O segredo é que o modelo aprende quando deve ramificar e quando deve podar. Ele não decide o tamanho no primeiro segundo; ele vai ajustando a estrutura conforme a "planta" (a molécula ou proteína) vai ganhando forma.

Como isso funciona na prática? (As três camadas)

O artigo explica que esse modelo é incrivelmente versátil porque ele consegue lidar com três tipos de "peças":

Peças Discretas (Como letras): Como montar uma palavra. Você decide se precisa de mais letras ou se deve apagar uma.
Peças Contínuas (Como coordenadas): Como posicionar objetos em um mapa. Você move os objetos para o lugar certo.
Peças em Manifolds (Como rotações): Imagine girar uma peça de LEGO em qualquer direção no espaço 3D. O modelo aprende a girar essas peças perfeitamente.

Por que isso é importante? (Os resultados)

Os cientistas testaram o modelo em três áreas incríveis:

Pequenas Moléculas (Química): O modelo conseguiu criar moléculas que parecem reais, com o número certo de átomos de carbono, oxigênio, etc. Ele "entendeu" a química.
Anticorpos (Medicina): Anticorpos são como chaves que precisam encaixar em vírus. O tamanho da "chave" varia muito. O modelo conseguiu criar sequências de anticorpos com comprimentos variados que fazem sentido biológico.
Proteínas (Biologia Estrutural): Este é o "chefão final". O modelo conseguiu projetar partes de proteínas (como se estivesse montando um quebra-cabeça complexo) e, mesmo quando precisava preencher um buraco no meio de uma estrutura já existente (o chamado infix sampling), ele sabia exatamente quantos "blocos" colocar para fechar o encaixe perfeitamente.

Resumo para levar para casa 🏠

Os Branching Flows transformaram a IA de um escultor que só trabalha com blocos de tamanho fixo em um jardineiro inteligente. Agora, a IA pode começar com pouco e deixar a estrutura crescer ou diminuir conforme a necessidade, permitindo a criação de novas moléculas e remédios de formas que antes eram impossíveis.

Resumo Técnico: Branching Flows

1. O Problema: Variabilidade de Comprimento e Amostragem "Infix"

Modelos generativos baseados em difusão e flow matching (correspondência de fluxo) são altamente eficazes para dados com dimensões fixas (como imagens). No entanto, enfrentam dificuldades significativas em domínios onde o número de elementos não é conhecido a priori, como:

Sequências de texto/tokens: Onde o comprimento da resposta varia.
Moléculas: Onde o número de átomos é variável.
Proteínas: Onde o número de aminoácidos em uma cadeia ou em uma região específica (como os CDRs de um anticorpo) é desconhecido.

Um desafio crítico identificado é o problema de amostragem "infix" de comprimento desconhecido: a necessidade de inserir um segmento de comprimento variável entre duas regiões fixas (flanqueadoras). Modelos autoregressivos resolvem isso, mas perdem a capacidade de modelar estados contínuos ou em variedades (manifolds) de forma eficiente, enquanto modelos de fluxo fixos não conseguem lidar naturalmente com a variação de tamanho.

2. Metodologia: O Framework Branching Flows

Os autores propõem os Branching Flows, um framework de modelagem generativa que transporta uma distribuição simples para uma distribuição de dados através de uma floresta de árvores binárias.

Componentes Principais:

Estrutura de Floresta de Árvores: Em vez de uma trajetória linear, os elementos evoluem ao longo de ramos de árvores. Os elementos nas raízes (tempo $t=0$ ) podem se duplicar (ramificar) ou morrer (deleção) para atingir o número de elementos nos dados (tempo $t=1$ ).
Mecanismos de Bifurcação e Deleção:
- Splits (Divisões): Um elemento é duplicado no local, criando dois ramos.
- Deletions (Deleções): Elementos são removidos estocasticamente.
- As taxas de divisão e deleção são aprendidas pelo modelo.
Âncoras (Anchors): Para guiar o fluxo, o modelo utiliza "âncoras" em nós internos da árvore. Essas âncoras servem como alvos intermediários para o processo de base, garantindo que a trajetória seja suave e direcionada ao estado final.
Generator Matching (Correspondência de Gerador): O framework utiliza uma generalização do flow matching. O objetivo é aprender um gerador que, em média, reproduza a trajetória condicional que conecta uma amostra inicial $x_0$ a uma amostra de dados $x_1$ .
Versatilidade de Espaço de Estados: O modelo é composicional, podendo operar em espaços discretos, espaços euclidianos contínuos, variedades de Riemann (como $SO(3)$ para rotações de proteínas) ou espaços multimodais que misturam esses componentes.

3. Principais Contribuições

Framework Unificado: Primeira abordagem de Generator Matching que lida com comprimentos variáveis de forma natural para estados discretos, contínuos e em variedades.
Solução para Amostragem Infix: Capacidade de projetar segmentos de comprimento variável entre regiões fixas, essencial para o design de proteínas e anticorpos.
Eficiência de Treinamento: O modelo pode ser ajustado (fine-tuned) a partir de modelos de fluxo de comprimento fixo já existentes, aproveitando representações aprendidas.

4. Resultados Experimentais

Os autores validaram o modelo em três domínios complexos:

Moléculas Pequenas (QM9): O modelo gerou coordenadas atômicas e rótulos discretos. Os resultados mostraram que o Branching Flows supera modelos de "saltos transdimensionais" (transdimensional jumps) na correspondência de propriedades físico-químicas (como peso molecular e LogP) e na distribuição de tipos de átomos.
Sequências de Anticorpos: O modelo aprendeu a gerar sequências de aminoácidos com variações de comprimento realistas. Ele demonstrou uma capacidade de distribuição similar a um modelo "oráculo" (que já conhece o comprimento correto), superando métodos de Edit Flows em termos de diversidade e conteúdo de sequência.
Estruturas de Proteínas:
- BranchChain: Gerou cadeias proteicas completas com geometrias plausíveis.
- BranchSegment: Demonstrou sucesso no problema de amostragem infix, projetando regiões de ligação (CDRs) de anticorpos que não colidiam estruturalmente com o receptor (RBD), mesmo sem saber o comprimento ideal de antemão.

5. Significância

O trabalho é significativo por preencher uma lacuna fundamental na modelagem generativa: a transição de modelos de "grade fixa" para modelos de "composição variável". Ao permitir que o número de elementos seja uma variável aprendida durante o processo de fluxo, o Branching Flows abre caminho para o design de novo de sistemas biológicos complexos, onde a arquitetura (comprimento e conectividade) é tão importante quanto a composição química ou estrutural.